智能机器人在农业自动化领域的主要应用.docx

智能机器人在农业自动化领域的主要应用.docx

《智能机器人在农业自动化领域的主要应用.docx》由会员分享，可在线阅读，更多相关《智能机器人在农业自动化领域的主要应用.docx（10页珍藏版）》请在冰点文库上搜索。

智能机器人在农业自动化领域的主要应用

Companynumber：

【0089WT-8898YT-W8CCB-BUUT-202108】

智能机器人在农业自动化领域的主要应用

智能机器人在农业自动化领域的主要应用

摘要：

通过对智能机器人在农业自动化领域的主要应用进行研究，包括采摘机器人、嫁接机器人、耕耘

机器人、除草机器人、喷农药机器人、插秧机器人、林木清洁机器人、饲喂机器人、禽蛋检测与分级机器

人。

发现应用于农业智能机器人的主要技术有感知与避障技术、机器视觉技术、信息融合技术及农业专

家系统。

农业机器人的智能问题、成本过高问题和易受环境变化的影响问题，需要进一步研究解决。

关键词：

智能机器人；农业自动化；主要技术；存在问题

TheMainApplicationofIntelligentRobotintheFieldofAgricultureAutomation

Abstract:

Themainapplicationofintelligentrobotinthefieldofagricultureautomationisdiscussed.Thepickingrobot,graftingrobot,cultivatingrobot,weedingrobot,sprayingpesticidesrobot,plantingrobots,timbercleaningrobot,feedingrobots,egginspectionandgradingrobotarepresented.ThePerceptionandobstacleavoidancetechniques,machinevisiontechnology,informationfusiontechnologyandagriculturalexpertsystemarethemainapplicationsinagricultureintelligentrobottechnology.Theintelligentproblemofagriculturalrobots,highcostandtheimpactofenvironmentaldiversificationshallbestudiedandsolvedinthefuture.

Keywords:

intelligentrobot;agriculturalautomation;maintechnology;existingproblems

引言

新的农业生产模式和新技术的应用促进了农业机械的更新和发展，智能农业机械的技术条件已经成熟。

机械化的发展大大解放了劳动力，促进了社会化大生产，创造了无穷的社会财富，其影响重大而深远，农业也因此发生了革命性的改变。

对于必须处理复杂又模糊的信息，还要进行综合判断的农业生产机械化来讲，只有靠具有与人类相同的知识启发和学习功能的智能机器人才可能得以实现。

可以预计，21世纪将是农业机械向智能化方向发展的重要时期。

此文就智能机器人的研究进展、应用于农业智能机器人的主要技术、存在问题等方面进行论述。

1农业智能机器人的研究进展

随着工业机器人的发展，许多国家如日本、美国等对农业机器人的研究工作逐渐启动，已研制出多种农用机器人。

中国从20世纪70年代末开始对机器人进行研究。

20世纪90年代以来，“精准农业”技术的研究与应用在发达国家受到了普遍的重视，已被国际农业科技界认为是21世纪实现农业可持续发展的先导技术之一。

具有相当智能的农业机器人是精准农业体系中有效的装备之一，从而得到重视和发展。

采摘机器人

对农业采摘机器人的研究已有40年的历史，美国学者Schertz和Brown于1968年首次提出应用机器人技术进行果蔬的收获。

美国、加拿大、荷兰、日本、英国等国均已开展了研究。

番茄采摘机器人日本的Kondo等研制的番茄收获机器人，由机械手、末端执行器、视觉传感器、移动机构和控制部分组成[1-2]，用彩色摄像机作为视觉传感器寻找和识别成熟果实，用7自由度的SCORBOT-ER工业机器人，机械手活动范围大，能避开障碍物。

为了不损伤果实，机械手的末端执行器是带有软衬垫的吸引器，中间有压力传感器，把果实吸住后，利用机械手的腕关节把果实拧下。

行走机构有4个车轮，能在田间自动行走，利用机器人上的光传感器和设置在地头土埂的反射板，可检测是否到达土埂，到达后自动停止，转动后再继续前进。

该番茄采摘机器人从识别到采摘完1个番茄只需要15s，成功率在75%左右。

黄瓜采摘机器人日本的Kondo等研制的黄瓜采摘机器人，采用三菱MITSUBISHIRV-E2型6自由度机械手，利用CCD摄像机，根据黄瓜比叶茎对红外光的反射率高的原理来识别黄瓜和叶茎[3]。

黄瓜和柄的连接与番茄不同，因此采用拧摘方法较难，所以用剪断方法，先把黄瓜抓住，用接触传感器找出柄，然后剪断，采摘速度为16s/个，由于黄瓜是长条形，受到叶茎的影响更大，所以采摘的成功率较低，大约在60%左右。

蘑菇采摘机器人蘑菇的生产集约化程度很高，但人工采摘蘑菇的效率低，且分类的质量不易保证，从而制约了生产效率与经济效益的提高[4]。

英国Silsoe研究院研制的蘑菇采摘机器人[5]，可以自动测量蘑菇的位置、大小，并选择性的采摘和修剪。

他的机械手包括2个气动移动关节和一个步进电机驱动的旋转关节组成；末端执行器是带有软衬垫的吸引器；视觉传感器采用TV摄像头，安装在顶部用来确定蘑菇的位置和大小。

采摘成功率在75%左右，采摘速度为s/个。

苹果采摘机器人韩国Kyungpook大学所研制的苹果采摘机器人[3]，其机械手工作空间可以达到3m，具有4自由度，包括3个旋转关节和1个移动关节。

采用三指夹持器作为末端执行器，内有压力传感器避免损伤苹果。

利用CCD摄像机和光电传感器识别果实，从树冠外部识别苹果时的识别率达85%，速度达5s/个。

该机器人末端执行器下方安装有果实收集袋，缩短了从摘取到放置的时间，提高了采摘速度。

西瓜采摘机器人日本Kyoto大学研制出一个5自由度液压驱动的机器人用于收获西瓜，包括机械手、末端执行器、视觉传感器和行走装置[6]。

因为西瓜在地面上，机器手由5个旋转关节组成，使机械手能在地面工作。

茄子采摘机器人刘长林等设计了一种实现田间茄子收获机器人视觉系统的图像识别方法[7]。

通过判断茄子图像每点像素值差值实现分割；通过模板操作及形态学上的闭运算操作去除残留物，最终找到茄子图像的外接矩形完成提取。

经试验测定，对样本茄子图像提取成功率为97%，平均速度为s/个。

樱桃采摘机器人日本的Kanae等研制了1台樱桃采摘机器人[8]。

该樱桃采摘机器人主要由1个4自由度的机械手、三维视觉传感器、末端执行机构、1台电脑和移动装置构成。

三维视觉传感器配备了红外和红外激光二极管，这2个激光束对对象的扫描同时进行。

通过处理三维视觉传感器来识别果实和障碍物的位置，由此决定末端执行机构的运动轨迹。

果实被末端执行机构拾起，同时避免与障碍物碰撞。

嫁接机器人

日本农产省1989年成立了TGR技术嫁接研究所[9]。

该研究所研制出了一种嫁接机器人，其嫁接过程分切断、合位和接苗3个环节，该机器人为全自动式，若本苗或嫁苗有缺苗时能自动判别，并跳过缺苗盆。

该机器人的嫁接成功率为97%，同时也大大提高了作业速度。

中国农业大学研制的2JSZ-600Ⅱ型蔬菜自动嫁接机采用计算机自动控制，实现了蔬菜苗砧木和穗木的取苗、切苗、接合、塑料固定、排苗等嫁接作业的自动化操作。

移栽（育苗）机器人

台湾Ting和Yang等研制的移栽机器人，把幼苗从600穴的育苗盘中移植到48穴的苗盘中[3]。

机器人本体部分由ADEPT-SCARA型4自由度工业机器人和SNS夹持器组成，位于顶部的视觉传感器确定苗盘的尺寸和苗的位置，力觉传感器保证SNS夹持器夹住而不损伤蔬菜苗，在苗盘相邻的情况下，单个苗移栽的时间在~s之内。

耕耘机器人

日本机电技术研究室开发出的耕作机器人[9]，在耕作场内可进行辨别、判断自身位置和前进方向的无人操作，其耕作效率与有人相同。

1994年芬兰开发出利用GPS和左右两轮的转速差进行导航的小型履带式车辆，Hate等开展了用彩色线条传感器为传感元件对车辆走向的研究，Yong等研制了以微型计算机为基础的车辆导向控制器，Choi设计了一种用无线电波定位传感器的自动导向系统，王荣本等设计了一种有线图像识别式自动引导车辆系统[9-10]。

除草机器人

除草机器人是由电子计算机操作并用雷达控制的无人驾驶机械[9]。

德国农业专家采用计算机、GPS定位系统和多用途拖拉机综合技术，研制出可准确施用除草剂的机器人。

其特点是，当机器人到达杂草多的地块时，GPS接收器便会做出杂草位置的坐标定位图，机械杆式喷雾器相应部分立即启动进行除草剂的喷洒。

英国科技人员开发的菜田除草机器人使用的是1台摄像机、1台识别野草、蔬菜和土壤图像的计算机组合装置，利用计算机扫描和图像分析，层层推进除草作业。

美国密歇根大学开发了草坪修整机器人，利用已修和未修草坪的分界线进行无人驾驶操作割草作业。

日本“久保田铁工”在割草机前端装有摄像机，利用图像处理判断分割区域，实现自动驾驶作业。

中国陈勇等研究了控制农田杂草的直接施药方法，并研制了基于该方法的除草机器人[11]，该研究减少了除草剂用量并消除雾滴飘移现象，保护了生态环境。

喷农药机器人

日本开发的喷农药机器人外形很像一部小汽车，机器人上装有感应传感器、自动喷药控制装置及压力传感器等[12]。

在果园内沿着喷药作业路径铺设感应电缆，工作时，电缆中流过由发送机发出的电流，在电缆周围产生磁场。

机器人上的控制装置根据传感器检测到的磁场信号控制机器人的走向。

喷药机器人能够全自动对树木进行喷药，控制系统还能够根据方向传感器和速度传感器的输出，判断是直行还是转弯。

喷药机器人的前端装有2个障碍物传感器（超声波传感器）和按触传感器，可以检测到前方约1m左右距离的情况，当有障碍物时，行走和喷药均停止；当机器人和障碍物接触时，接触传感器发出信号，动作全部停止；机器人左右两侧装有紧急手动按钮，可以用手动按钮紧急停止。

插秧机器人

日本研制的插秧机器人在没有任何人力的协助下，由计算机系统进行控制，并通过全球卫星定位系统进行导航，最后通过感应器和其他一些装置来计算出动作的角度和方向，进而实现稻田工作的精确定位[12]。

作业时水稻秧苗预先由传送带传送到约2m长的栽培垫上。

然后由机器人推动插秧机，把稻苗栽进稻田里。

机器人能够根据指令准确地在稻田穿行，移动误差也小于10cm，碰到田埂还能自行做180°大转弯后继续劳作。

每个机器人每20min可种植约1000m2的稻田，中途无须作任何停顿。

林木清洁机器人

清洁是造林抚育作业，主要是针对改善约3m高的青年林木的生长环境。

相较于其他森林活动清洁的成本在增加，以致在瑞典每年清洗面积在减少。

因此，机器人清洗是提高盈利能力的关键。

Karin等设计了一款林木清洁机器人[13]，该机器人能够根据树木特征库识别树木是否应作为主干或选择被截断。

机器人能够独立运作并在无人值守的动态和非确定性环境下工作。

饲喂机器人

欧洲科学家的研究表明，奶牛的精确饲喂和每天多次饲喂不仅可以提高奶牛的产奶量、增强奶牛的体质、减少生病机会，还能提高饲料的利用率[14]。

精确饲喂的机器人主要由行走机构、料箱、分料螺旋和控制系统等部分组成，利用霍尔传感器和无线识别装置分别实现自身的精确定位以及奶牛的识别。

机器人的控制器采用PIC16F877微处理器构成，主要完成机器人的运动控制以及与管理微机的数据交换。

禽蛋检测与分级机器人

对每一枚禽蛋进行自动清洗、检测、分级、喷码后销售或深加工，既可使消费者了解每个鲜蛋的生产时间、商标、质量等级等信息，实现按质论价优材优用，又可以防止生产过程中的交叉感染，实现产品的可追踪性，既提高了生产者的收益，又确保了消费者的利益[15]。

美国、日本、荷兰等国家鲜蛋处理的自动化技术水平很高，鲜蛋加工处理设备有：

气吸式集蛋传输设备、清洗消毒机、干燥上膜机、分级包装机和电胶打码（或喷码））机等，对禽蛋进行单个、不接触人的处理，实现全自动高精度无破损的处理和分级包装，如荷兰Hot-Cheers公司推出的FPSMOBA电脑控制鸡蛋分级、包装机。

王树才等为了实现禽蛋检测与分级的自动化，建立一种轻型自动化系统，即禽蛋检测与分级智能机器人系统（SIRDGE）。

SIRDGE将禽蛋的破损检测、内部品质检测以及检测和分级时的搬运工作联系起来，统一由一个关节型机器人来完成，能实现禽蛋检测和分级的全程自动化。

2应用于农业智能机器人的主要技术

农业机器人仍属于机器人的范畴，他不仅是机械与电子的简单结合，也是融合检测传感技术、信息处理技术、自动控制技术、伺服驱动技术、精密机械技术和计算机技术等多种技术于一体的交叉学科与综合。

自主导航与路径规划（感知与避障技术）

农业多机器人在执行任务过程中，需感知多变环境中的行走路线、被枝叶遮挡的加工对象、运行中的动态机器人等，这是农业多机器人准确完成群体运移、定位工作、工作任务执行的基础[16]。

目前农业单体机器人主要利用GPS粗定位，定位精度达到了厘米级，融合陀螺仪、路标检测、地图匹配、CCD彩色摄像机识别等多种信息检测手段正被研究应用，该检测手段促使单体机器人运移感知、作业环境定位等广播通信方式下的系统环境信息共享。

目前发展的彩色CCD摄像机识别与定位作业感知系统，虽感知过程的迭代计算比黑白CCD摄像机工作量大，但感知的信息量大，能改进作业质量，适度降低整机硬件成本，适应更广泛的工作环境条件，因此在分散式、分布式农业多机器人系统开发有较多应用。

目标探测与定位技术（机器视觉技术）

任何一种农业生产机器人的正常工作均有赖于对作业对象的正确识别与定位，但由于作业环境的复杂性，特别是光照条件的不确定性、环境的相似性、个体差异性和遮挡等问题的存在，致使对作业对象的识别与定位技术仍是有待于解决的关键技术[17]。

目前主要采用机器视觉技术，但需要融合其他技术，并改进图像获取和图像处理算法等，以提高识别与定位的准确性与精确度。

机器视觉技术利用图像传感器获取物体的图像，将图像转换成一个数据矩阵，并利用计算机来分析图像，同时完成一个与视觉有关的任务[18]。

机器视觉技术在农业生产上的研究与应用，始于20世纪70年代末期，研究主要集中于桃、香蕉、西红柿、黄瓜等农产品的品质检测和分级。

农作物收获自动化是机器视觉技术在收获机械中的应用，是近年来最热门的研究课题之一。

其基本原理是在收获机械上配备摄像系统，采集田间或果树上作业区域图像，运用图像处理与分析的方法判别图像中是否有目标（如水果、蔬菜等），发现目标后，引导机械手完成采摘。

信息融合技术

农业机器人系统的定位与导航及作业对象的识别与定位应具有更高的智能特性，因此需要融合多种传感器信息或一些经验知识，实现对环境信息的充分理解，便于机器人做出正确的决策[17]。

信息融合能提高系统的可靠性与分辨率，增加测量空间维数，拓宽活动范围，从而提高系统在复杂条件下正常工作的适应性与鲁棒性。

但是，为了提高系统性能，需要结合新的理论不断改进与完善信息融合算法，也需要加强信息融合效果评价的研究。

农业专家系统

专家系统一般都具有1个或多个知识库、规则库，能自动进行推理和逻辑判断，有些还有数据检测、智能运算功能，以及友好的人机界面，生产人员稍作培训后就可熟练掌握。

专家系统还被用于农业中的灌溉系统等方面，在农业生产过程中正受到越来越广泛的重视[19]。

专家系统（ES）技术与全球定位系统（GPS）技术、地理信息系统（GIS）技术、遥感（RS）技术等结合在一起，构成了精准农业控制平台，而专家系统是这个平台的核心，他综合所得到的数据和知识库中的知识，从人口、效益、资源和环境等方面综合考虑，为农业生产提供智能化、形象直观的信息和决策服务，具体到为每一块农田提供品种、施肥、灌溉、病虫害防治、产后处理和销售等的辅助决策。

将来建造农业专家系统更多地需要数据融合、数据挖掘、贝叶斯概念推理等理论的支持。

3存在问题

农业机器人的智能问题

农业生产的特点要求农业机器人具有相当的智能和柔性生产能力以适应复杂的非结构环境，例如辨识和避障能力等。

专家纷纷把研究重心从机械部分转向机器视觉、人工智能方面，力图解决农业机器人的智能问题。

技术上在自动导航、视觉辨识定位等方面已有成熟的解决方案，但总的来讲，智能系统的发展还不够完善，农业机器人的智能程度还不能满足农业生产的需要，很多任务无法由农业机器人单独完成，且高智能带来的高成本也制约着农业机器人的发展应用。

农业机器人的成本过高问题

目前研制出来的农业机器人大都只针对农业生产某一环节的某一项作业而言，农业生产的特征之一是季节性强，造成了农业机器人的使用效率低，间接地增加了农业机器人的成本。

其性价比不能满足市场的需要，成为制约农业机器人商业化和进一步研究应用的瓶颈问题。

农业机器人易受环境变化的影响问题

在农业机器视觉导航应用中，存在受自然光照等外界环境干扰较大，作物品种差异大、作物缺失、背景多变等复杂因素，单一的视觉传感器越来越难以满足精确定位的要求，因受环境变化的影响，检测导航信息的稳定性也大受影响[20]。

4结束语

通过对国内外农业机器人技术的发展和应用的介绍，可以看出农业机械化进程较快的欧美一些国家已经证明了现代农业能够产生巨大的经济效益，农业机器人技术发展水平较高的日本也充分证明了农业机器人技术能够大大解放生产力，提高农业经济效益、社会经济效益。

中国农业机器人的发展有待于积极大力地推进，克服其局限性，加大对已有农业机器人的改进，设计制造出适应中国具体国情的农业机器人，为农业生产水平的提高创造生产条件，最终促进中国国民经济快速、稳定地发展。

参考文献

[1]KondoN,MontaM.Basicstudyonchrysanthemuncuttingstickingrobot[J].InProceedingsoftheInternationalSymposiumonAgriculturalMechanizationandAutomation,1997,1:

93-98.

[2]KondoN,MontaM,OgawaY.Cuttingprovidingsystemandvisionalgorithmforroboticchrysanthemumcuttingstickingsystem[J].InProceedingsoftheInternationalWorkshoponRoboticsandAutomatedMachineryforBio-productions,1997:

7-12.

[3]KondoN,TingKC.Roboticsforbio-productionsystems[M].ASAEPublisher,1998.

[4]王辉,程雪,李玉霞.农业机器人应用进展初探[J].安徽农业科学,2009,37（16）:

7674-7675.

[5]J.N.Reed,S.J.Miles,J.Butler,etal.AE-AutomationandEmergingTechnologies:

AutomaticMushroomHarvesterDevelopment[J].JournalofAgriculturalEngineeringResearch,2001,78

（1）:

15-23.

[6]IidaM,FurubeK,NamikawaK,etal.Developmentofwatermelonharvestinggripper[J].JJapanSocAgricMach,1996,58（3）:

19-26.

[7]刘长林,张铁中,杨丽.茄子收获机器人视觉系统图像识别方法[J].农业机械学报,2008,39（11）:

216-219.

[8]KanaeT,TateshiF,AkiraA,etal.Cherry-harvestingrobot[J].ComputersandElectronicsinAgriculture,2008,63:

65-72.

[9]温效朔.机器人技术在农业上的开发与应用现状[J].安徽农业科学,2007,35（11）:

3445-3446.

[10]王荣本,游峰,崔高健,等.基于计算机视觉高速智能车辆的道路识别[J].计算机工程与应用,:

18-21.

[11]陈勇,田磊,郑加强.基于直接施药方法的除草机器人[J].农业机械学报,2005,10:

91-93.

[12]崔勇.农业机器人的研究与应用浅探[J].南方农机,2008,1:

35-37.

[13]KarinV,ThomasH.Requirementsandsystemdesignforarobotperformingselectivecleaninginyoungforeststands[J].JournalofTerramechanics,2006,43:

505-525.

[14]方建军.饲喂机器人的研究与开发[J].农机化研究,2005,1:

158-160.

[15]王树才,文友先,苏工兵.禽蛋检测与分级智能机器人系统的设计[J].机械工程学报,2008,2:

182-188.

[16]陈震,李长友,邹湘军.农业多机器人系统的支撑技术与研究进展[J].华中农业大学学报,2007,12:

914-919.

[17]薛金林,徐丽明.多功能农业机器人及其关键技术分析[J].安徽农业科学,2009,37（15）:

7201-7203.

[18]傅宇.机器视觉技术在农业生产自动化领域中应用研究[J].安徽农业科学,2006,34（15）:

3871-3872.

[19]邓璐娟,张侃谕,龚幼民.智能控制技术在农业工程中的应用[J].现代化农业,2003,12:

1-3.

[20]邵刚,毛罕平.农业机械机器视觉导航研究进展[J].安徽农业科学,2007,35（14）:

4394-4396.